استفاده از سیستم های هوشمند برای تشخیص زودهنگام ناتوانی های یادگیری

ناتوانی های یادگیری چالش های پیچیده و پایداری هستند که بر فرآیند اکتساب مهارت های آکادمیک مانند خواندن، نوشتن و ریاضیات تاثیر می گذارند و تشخیص به موقع آن ها برای موفقیت تحصیلی و اجتماعی دانش آموزان حیاتی است. روش های سنتی تشخیص اغلب مبتنی بر مدل «انتظار برای شکست» هستند که در آن دانش آموز باید سال ها شکست تحصیلی را تجربه کند تا واجد شرایط دریافت خدمات حمایتی شود، اما با ظهور سیستم های هوشمند مبتنی بر هوش مصنوعی و یادگیری ماشین، این پارادایم به سمت مدل های پیشگیرانه و مداخله گر تغییر یافته است. این پژوهش با هدف بررسی کاربردها و مزایای استفاده از سیستم های هوشمند برای تشخیص زودهنگام ناتوانی های یادگیری انجام شده است. روش تحقیق حاضر از نوع مرور نظام گاه (Systematic Review) است و با بررسی مقالات و منابع معتبر انگلیسی در سال های اخیر، داده ها گردآوری و تحلیل شده اند. یافته ها نشان می دهند که الگوریتم های یادگیری ماشین قادرند با تحلیل الگوهای رفتاری، تعاملات دیجیتال و داده های چشمی، ریسک ناتوانی های یادگیری را با دقت بالایی پیش بینی کنند. این سیستم ها با استفاده از تکنیک هایی مانند داده کاوی آموزشی، پردازش تصویر و تحلیل بازی، شاخص های پنهانی را شناسایی می کنند که در ارزیابی های بالینی معمول نادیده گرفته می شوند. نتایج حاصله حاکی از آن است که ادغام این فناوری ها در مدارس می تواند عدالت آموزشی را افزایش داده و با کاهش زمان تشخیص، مداخلات زودهنگام و موثری را برای دانش آموزان در معرض خطر فراهم آورد، هرچند چالش هایی نظیر حریم خصوصی داده ها و نیاز به اعتبارسنجی بالینی همچنان وجود دارد.

کلیدواژه ها:

هوش مصنوعی ، ناتوانی های یادگیری ، تشخیص زودهنگام ، یادگیری ماشین ، داده کاوی آموزشی ، مداخله آموزشی